Microsoft365DSC 1.25.509.1版本发布:强化Azure AD与Intune配置管理
Microsoft365DSC(Microsoft 365 Desired State Configuration)是一个基于PowerShell的开源项目,它允许管理员通过声明式语法定义和自动化Microsoft 365环境的配置管理。该项目通过DSC(Desired State Configuration)模型,为Microsoft 365服务提供了一种配置即代码的解决方案,使管理员能够轻松部署、监控和维护Microsoft 365环境中的各项配置。
新增资源模块
本次1.25.509.1版本引入了多个全新的Azure Active Directory(AAD)相关资源模块,显著扩展了配置管理能力:
-
AADAppManagementPolicy:全新资源模块,用于管理Azure AD应用管理策略,使管理员能够通过代码定义应用访问和权限控制策略。
-
AADB2CAuthenticationMethodsPolicy:新增对Azure AD B2C认证方法策略的支持,为B2C租户提供更精细的身份验证方法控制。
-
AADMultiTenantOrganizationIdentitySyncPolicyTemplate:引入多租户组织身份同步策略模板管理功能,简化跨租户身份同步配置。
-
AADTenantAppManagementPolicy:新增租户级应用管理策略资源,支持在租户级别统一管理应用策略。
-
AADTokenIssuancePolicy:全新资源模块,支持配置Azure AD令牌颁发策略,控制令牌的颁发行为和内容。
现有模块功能增强与修复
Azure AD相关改进
AADAuthenticationFlowPolicy模块修复了参数传递方式的问题,现在能够正确地将参数作为请求体发送,而非直接传递布尔值,提高了策略更新的可靠性。
AADCrossTenantAccessPolicyConfigurationDefault模块进行了重要更新,现在直接调用REST API而非通过cmdlet,解决了参数大小写敏感性问题,提升了跨租户访问策略配置的稳定性。
Exchange Online优化
EXORecipientPermission模块改进了资源获取逻辑,现在能够准确识别和检索具有相似名称模式的多个实例,解决了权限匹配问题。
EXORetentionPolicyTag模块修复了AgeLimitForRetention属性的评估逻辑,确保保留策略标签的年龄限制配置能够被正确验证和应用。
Intune无线配置策略增强
针对不同平台的Intune无线配置策略模块进行了多项改进:
-
IntuneWifiConfigurationPolicyAndroidEnterpriseDeviceOwner:修正了模板类型识别问题,确保企业设备所有者配置准确无误。
-
IntuneWifiConfigurationPolicyIOS:修复了测试逻辑和可用属性问题,解决了特定场景下的配置验证失败情况。
-
IntuneWifiConfigurationPolicyMacOS和IntuneWifiConfigurationPolicyWindows10:扩展了导出功能,包含更多配置属性,提供更全面的策略管理能力。
Planner任务管理改进
PlannerTask模块现在支持设置多达25个分类,显著扩展了任务分类管理能力,满足复杂项目管理需求。
Teams应用设置策略修复
TeamsAppSetupPolicy模块优化了空值处理逻辑,确保在测试资源配置时能够正确处理空值情况,提高策略评估的准确性。
核心引擎优化
本次版本对Microsoft365DSC的核心功能进行了两项重要改进:
-
移除了MaxProcesses参数:从
Start-M365DSCConfigurationExtract内部函数和Export-M365DSCConfiguration公共函数中移除了MaxProcesses参数,简化了配置提取过程,解决了并行处理可能引发的问题。 -
基础数组比较修复:修正了基础数组比较逻辑,确保配置比较时能够正确处理数组类型的属性,提高了配置差异检测的准确性。
依赖项更新
为确保兼容性和稳定性,本次版本更新了关键依赖项:
- ExchangeOnlineManagement模块升级至3.7.2版本
- MicrosoftTeams模块升级至7.0.0版本
这些依赖项的更新带来了最新的API支持和功能改进,为Microsoft365DSC提供了更稳固的基础。
总结
Microsoft365DSC 1.25.509.1版本通过新增多个Azure AD相关资源模块,显著扩展了Microsoft 365环境的配置管理范围。同时,对现有模块的修复和优化提高了配置管理的准确性和可靠性。核心引擎的改进简化了配置提取过程并增强了比较功能,而依赖项的更新则为整个框架提供了更好的支持基础。这些变化共同使Microsoft365DSC成为管理Microsoft 365环境配置更加强大和可靠的工具。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00